.png){kind=icon}
返回
Knowledge-Aware Arabic Question Generation: A Transformer-Based Framework
.png){kind=icon}
OA
AI
DOI：10.3390/math13182975.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在本工作中，我们提出了一种面向知识的阿拉伯语自动问题生成（QG）方法，该方法利用多语言T5（mT5）转换器，并辅以预训练的阿拉伯语问答模型，以应对阿拉伯语形态丰富性和QG资源有限性带来的挑战。我们的系统通过双模型流水线生成主观问题和多项选择题（MCQs），并生成与上下文相关的干扰项，该流水线针对每个子任务调整解码策略：问题生成器采用束搜索（beam search）以最大化语义保真度和词汇精确性，而干扰项生成器使用top-k采样以增强多样性和语境合理性。QG模型在阿拉伯语SQuAD上进行微调，干扰项模型在精心组合的ARCD和Qudrat数据集上进行训练。实验结果表明，在基于事实的问题生成方面，束搜索显著优于top-k采样，实现了BLEU-4得分为27.49和METEOR得分为25.18，超越了微调后的AraT5和英语-阿拉伯语翻译基线。相比之下，top-k采样在干扰项生成方面更有效，产生了更高的BLEU得分，并生成更多样化但教育学上有效的干扰项，其BLEU-1得分为20.28在缺乏先前阿拉伯语基准的情况下建立了坚实基础。人工评估进一步证实了生成问题的质量。本研究通过提供一种可扩展、知识感知的解决方案，推动了阿拉伯语QG的发展，并在教育技术领域具有应用价值，同时展示了任务特定解码策略的关键作用，并为未来自动评估领域的研究奠定了基础。
Keyword:
Arabic question generation
multiple-choice question generation
knowledge-aware NLP
low-resource language processing
beam search
top-k sampling
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.2
论文数:
2.9K
被引数:
3.6W
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏End-to-End generation of Multiple-Choice questions using Text-to-Text transfer Transformer modelsOAAI
OAAI分享收藏
查看更多内容